人工智能使視網膜成像速度提高 100 倍

美國國立衛生研究院的研究人員將人工智能 (AI) 應用于一種能夠生成眼睛細胞高分辨率圖像的技術。他們報告稱，借助 AI，成像速度提高了 100 倍，圖像對比度提高了 3.5 倍。他們表示，這一進展將為研究人員提供更好的工具來評估年齡相關性黃斑變性（AMD）和其他視網膜疾病。

美國國立衛生研究院國家眼科研究所臨床和轉化成像部門負責人Johnny Tam博士說：“人工智能有助于實現預測基因細胞的一個關鍵，即時間。”

Tam正在開發一種稱為自適應光學（AO）的技術，以改進基于光學相干斷層掃描（OCT）的成像設備。與探針一樣，OCT是快速、無痛的，是大多數眼科診所的標準設備。

使用 AO-OCT 對 RPE 細胞進行成像面臨著新的挑戰，其中包括一種稱為散斑的現象。散斑對 AO-OCT 的干擾就像云對航空攝影的干擾一樣。在任何給定時刻，圖像的某些部分可能會被重疊。管理散斑有點類似于管理云層。研究人員在很長一段時間內反復對細胞進行推理。隨著時間的推移，出現會發生變化，從而使細胞的不同部分然后，科學家們承擔了將許多圖像拼湊在一起的費力和運行的任務，以創建無溶解的 RPE 細胞圖像。

Tam 和他的團隊開發了一種基于人工智能的新型方法，稱為精度判別器生成狀語網絡（P-GAN），這是一種深度學習算法。通過向 P-GAN 網絡提供近 6000 張手動分析AO-OCT采集的人類RPE圖像（每張圖像都配有相應的溶液原始圖像擴增），團隊訓練網絡識別和恢復溶液模糊的細胞特征。

在新圖像上進行測試時，P-GAN成功達到了RPE圖像的顯示，恢復了細胞細節。通過一張圖像捕獲，其生成的結果與手動方法相當，手動方法需要采集120張圖像并其求憑借評估細胞形狀和結構等各種偵查性能指標，P-GAN 的性能超越其他人工智能技術。 NEI 臨床和轉化結論部門的博士后 Vineeta Das 博士估計，P-GAN 將采集結論和處理時間減少了約100倍。P-GAN還產生了更大的解決，比之前高出約3.5。

Tam 說：“自適應光學將基于 OCT 的推理提升到了一個新的水平。”“這就像從沙發座位移動到前排座位來對未來進行推理一樣。借助 AO，我們可以以細胞級分辨率顯示3D 疾病結構，使我們能夠放大早期疾病。”

雖然將 AO 添加到 OCT 上可以提供更好的細胞視圖，但在捕獲 AO-OCT 圖像后進行處理根本不使用 AO 的 OCT 花費更長的時間。

Tam 的最新研究目標是色素上皮 (RPE)，這是傳遞前方眼睛的一層組織，支持激活激活的驅動神經元，包括光感受器。將其轉換為信號，然后通過視神經傳輸到大腦。科學家們對 RPE 很感興趣，因為許多晚期疾病都是在 RPE 損壞時發生的。

Tam認為，通過將AI與AO-OCT相結合，利用AO-OCT進行常規臨床理論的一個主要障礙已經被克服，特別是對于RPE的疾病，這種疾病傳統上很難得出結論。

“我們的結果表明人工智能可以從根本上改變圖像的捕獲方式，”譚說。 “我們的 P-GAN 人工智能將使 AO 成像更容易用于常規臨床應用以及旨在了解致盲性視網膜疾病的結構、功能和病理生理學的研究。將人工智能視為整個成像系統的一部分，而不是一種僅在捕獲圖像后才應用的工具，是人工智能領域的范式轉變。”